bp神经网络算法陷入了局部最小值怎么办
RT，我想知道BP神经网络中初始权值随机生成与给定确定数对最后连接权值。 BP网络多次训练得到的结果是不同的，原因就是权值的伪随机生成.权值给定值和伪随机数有可能产生不同影响，最终得到的权值可能会改变.原因是这样的，BP神经网络权值的迭代。
BP神经网络出现局部极小的处理 我认为这是神经网络算法本身一种缺陷，影响它收敛效果的因素有：初始权值，神经网络的训练方式（神经网络的训练函数，不同的函数对收敛影响很大），隐层层数（个人认为这个影响很小）。用遗传算法可以优化初始权值，但是对不同的数据很难用同一组参数都能得到很好效果，遗传算法本身也有它自己的缺陷。所以，你遇到的问题我认为比较有效的是调整遗传算法的参数，比如搜索空间的范围；改变神经网络的训练函数。希望对你有帮助。
神经网络容易陷入局部极小特性的原因是什么 神经网络在作为一种搜索策略的时候，受搜索算法的控制，当解空间函数存在局部最小值时，如果搜索步长较小（动量较小），那么有可能在这个局部求解时求得的所有解都指向了极。
神经网络容易陷入局部极小特性的原因是什么 神经网络作种搜索策略时候受搜索算法控制当解空间函数存局部小值时搜索步长较小(动量较小)有能局部求解时求得所有解都指向了极。
